JURNAL MEMPREDIKSI HARGA KEBUTUHAN BAHAN MAKANAN POKOK BERDASARKAN HARGA SEBELUMNYA DENGAN MENGGUNAKAN METODE LEAST SQUARE PREDICTING MATERIAL NEEDS FOOD PRICES BASED ON THE PRICE PREVIOUSLY SUBJECT USING LEAST SQUARE Disusun Oleh: EKO CAHYONO NPM: 11.1.03.02.0110 Dibimbing oleh : 1. Resty Wulanningrum, M.Kom 2. Fajar Rohman Hariri, M.Kom TEKNIK INFORMATIKA FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PGRI KEDIRI 2017
1
MEMPREDIKSI HARGA KEBUTUHAN BAHAN MAKANAN POKOK BERDASARKAN HARGA SEBELUMNYA DENGAN MENGGUNAKAN METODE LEAST SQUARE Eko Cahyono 11.1.003.02.0110 Teknik- Teknik Informatika ekoandarjuna@yahoo.com Resty Wulanningrum, M.Kom, Fajar Rohman Hariri, M.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK Penelitian ini dilatar belakangi pengalaman peneliti selama melakukan Praktek Kerja Lapangan (PKL) di Kantor Ketahanan Pangan Kota Kediri selama satu bulan, sulitnya memberikan informasi kepada masyarakat tentang update harga kebutuhan pokok yang ada di pasar membuat banyak pihak yang memanfaatkannya untuk kecurangan dengan mempermainkan harga di tingkat penjual. Permasalahan penelitian ini adalah (1) Bagaimana memberikan informasi kepada masyarakat tentang update harga kebutuhan bahan makanan pokok setiap minggunya?. (2) Bagaimana memberikan perkiraan harga kebutuhan bahan makanan pokok kedepan kepada masyarakat?. (3) Apakah penerapan metode least square untuk memprediksi harga kebutuhan pokok kedepan tepat untuk diterapkan?. Penelitian ini menggunakan pendekatan Kuantitatif dengan Subjek penelitian penjual di pasar Sethono Bethek Kota Kediri. Data berupa harga kebutuhan pokok yang di dapat langsung dari pasar Sethono Betek yang didata langsung oleh Kantor Ketahanan Pangan Kota Kediri. Kesimpulan hasil penelitian ini adalah (1) Melalui media internet masyarakat lebih mudah mengetahui harga yang ada di pasaran. (2) Dengan Metode least square cocok di terapkan untuk memprediksi harga kebutuhan bahan makanan pokok yang setiap bulan yang selalu mengalami trend harga. (3) Metode least square tepat digunakan untuk memprediksi harga kebutuhan pokok karena di Indonesia sering terjadi trend harga yaitu keadaan dimana harga akan naik karena terjadi permintaan lebih pada bulan tertentu. Kata kunci: harga, bahan makanan pokok, prediksi, pasar, least square. 1. PENDAHULUAN 1.1 Latar Belakang Masalah Bahan makanan pokok adalah kebutuhan bagi kehidupan masyarakat untuk mendapatkan bahan makanan yang bisa diolah menjadi suatu makanan. Dan kebutuhan tersebut sangatlah penting bagi masyarakat terutama bagi ibu-ibu yang suka berbelanja untuk bisa mendapatkan bahan-bahan masakan. 2
Dari sini pernah dipermasalahkan harga bahan makanan pokok yang sering naik turun yang tidak selayaknya, dikarenakan gagal panen, hari besar, dan pengiriman barang yang jauh. Hal ini bisa mengakibatkan masyarakat terutama kalangan bawah tidak bisa membeli bahan-bahan masakan apabila harganya tiba-tiba naik tanpa pemberitahuan sebelumnya. Untuk itu pemerintah harus mengatasi hal seperti ini agar masyarakat bisa mendapatkan bahan-bahan masakan yang sesuai harga yang bisa dibeli oleh semua kalangan. Berdasarkan data bahan-bahan makanan pokok dari Kantor Ketahanan Pangan Kota Kediri, pada setiap bulannya harga bahan pokok contohnya harga beras selalu mengalami kenaikan dan penurunan. Misalnya pada tahun 2013 harga beras Rp 8000-9200/Kg. Untuk mempermudah informasi harga bahan makanan pokok yang selalu update, akan lebih mudah dilakukan pencarian harga melalui media informasi yang ada salah satunya adalah melalui internet. Pada saat ini hampir di segala bidang membutuhkan internet sebagai sumber informasi, sehingga penggunaan internet telah menjadi suatu kebutuhan yang sangat penting bagi seluruh lapisan masyarakat. Untuk mengatasi semua permasalahan tersebut, dibuatlah aplikasi yang berbasis web yang bisa memprediksi harga dan bisa memberikan informasi tentang harga bahan makanan pokok. Untuk membantu aplikasi ini berjalan yang diinginkan digunakanlah metode least square. Least Square yaitu metode peramalan yang digunakan untuk melihat trend dari data deret waktu (Sofyan Assauri, 1991). 2. METODE 2.1 Metode Least Square Metode Least Square atau metode Kuadrat Terkecil merupakan metode peramalan yang digunakan untuk melihat trend dari data deret waktu (Sofyan Assauri, 1991). Metode least square dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Rumus Metode Least Square 1) Y = a +bx 3
Keterangan Y a dan b x/t akan diramalkan = Jumlah harga penjualan = Koefisien = waktu atau periode yang Dalam menentukan nilai x/t digunakan teknik alternatif dengan memberikan skor atau kode. Dalam hal ini dilakukan pembagian data menjadi dua kelompok, yaiu: Data genap, maka skor nilai x nya :..-5,-3,-1,1,3,5,.. Data ganjil, maka skor nilai x nya : -3,-2,-1,0,1,2,3,.. Selanjutnya, untuk mengetahui koefisien a dan b dicari dengan menggunakan rumus (Sofyan Assauri, 1991); a = n Y dan b = XY X 2 2) Sedangkan, untuk mengetahui tingkat kesalahan prediksi harga atau standar error kita menggunakan rumus sebagai berikut (Sofyan Assauri, 1991); MAD = Nyata). 3) n Y (Nilai Forecast Nilai Dalam perhitungan dibutuhkan data harga sebelumnya, ada perbedaan dalam hal prediksi penentuan harga dengan metode least square yaitu perbedaan antara data genap dan data ganjil. 1. Perhitungan jika data genap Table dibawah menunjukkan jumlah data minggu 1 4 dan data tersebut masuk dalam kategori data genap, sehingga nilai X nya adalah -3,-1,1,3 Untuk mencari peramalan pada minggu 5 8 diperlukan mencari nilai XY, X^2, Y, XY dan X^2. Tabel 2.1 Harga Beras Kota Kediri Dalam 4 Minggu Minggu ke Harga Minggu 1 8500 Minggu 2 8500 Minggu 3 8700 Minggu 4 8800 Minggu 5-8?? 1) Analisis Menggunakan Metode Least Square Tabel 2.2 Analisis Metode Least Square Pada Data Genap 4
5) Tingkat kesalahan peramalan atau standart error dalam minggu 5 : MAD = n Y (Nilai Forecast Nilai Nyata) 1) Mencari nilai a dan b Mencari nilai a = n Y a = 34500 4 = 8625 = 4 34500 8900 8800 = 1,2% 2. Perhitungan jika data ganjil Mencari nilai b = X XY 1100 2 b = = 55 20 2) Maka persamaan least squarenya adalah Y = a + bx Y = 8625 + 55 X 3) Masukkan nilai x yang akan dicari Y=a+bX Minggu ke-5 Y=8625+55(5) Minggu ke-6 Y=8625+55(7) Minggu ke-7 Y=8625+55(9) Minggu ke-8 Y=8625+55(11) 4) Sehingga dihasilkan prediksi harga sebagai berikut: Tabel 2.3 Hasil Prediksi Dari Data Genap Minggu ke Harga Minggu 5 8900 Minggu 6 9010 Minggu 7 9120 Minggu 8 9230 Table dibawah menunjukkan jumlah data minggu 1 5 dan data tersebut masuk dalam kategori data ganjil, sehingga nilai X nya adalah -2,-1,0,1,2 Untuk mencari peramalan pada minggu 6-8 diperlukan mencari nilai XY, X^2, Y, XY dan X^2. Tabel 2.4 Harga Beras Kota Kediri Dalam 5 Minggu Minggu ke Harga Minggu 1 8500 Minggu 2 8500 Minggu 3 8700 Minggu 4 8800 Minggu 5 8800 Minggu 6-8?? 5
1) Analisis Menggunakan Metode Least Square Tabel 2.5 Analisis Metode Least Square Minggu ke Harga Minggu 6 8930 Minggu 7 9020 Minggu 8 9110 Pada Data Ganjil No Minggu ke Harga (Y) X X^2 X.Y 1 1 8500-2 4-17000 2 2 8500-1 1-8500 3 3 8700 0 0 0 4 4 8800 1 1 8800 5 5 8800 2 4 17600 JUMLAH 43300 10 900 2) Mencari nilai a dan b Mencari nilai a = Mencari nilai b = n X Y XY a = 43300 5 = 8660 900 b = = 90 2 10 3) Maka persamaan least squarenya adalah 6) Tingkat kesalahan peramalan atau standart error dalam minggu 6 : MAD = = n Y 5 43300 (Nilai Forecast Nilai Nyata) 8930 9000 = 0,8% 3. HASIL DAN KESIMPULAN 3.1 Analisa Sistem Y = a + bx Y = 8660 + 90 X 4) Masukkan nilai x yang akan dicari Y=a+bX Gambar 3.1 Context Diagram Minggu ke-6 Y=8660+90(3) Minggu ke-7 Y=8660+90(4) Minggu ke-8 Y=8660+90(5) 5) Sehingga dihasilkan prediksi harga sebagai berikut: Tabel 2.6 Hasil Prediksi Dari Data Ganjil Gambar 3.2 DFD Level I 6
Gambar 3.3 Entity Relationship Diagram Gambar 3.6 Halaman Grafik Harga 3.2.2 Perancangan Input a. Halaman Login 3.2 Perancangan Sistem 3.2.1 Perancangan Output a. Halaman Awal Gambar 3.7 Halaman Login b. Halaman Tambah Kategori Gambar 3.4 Halaman Awal b. Halaman Prediksi Gambar 3.8 Halaman Tambah Kategori c. Halaman Tambah Harga Makanan Gambar 3.5 Halaman Prediksi c. Halaman Grafik Harga 7
Gambar 3.9 Halaman Tambah Harga Makanan Gambar 3.12 Flowchart Admin d. Halaman Tambah Profil Gambar 3.10 Halaman Tambah Profil e. Halaman Input Prediksi Gambar 3.13 Flowchart User 3.3.2 Tampilan Program Tampilan sistem prediksi harga bahan makanan menggunakan metode least square yang dirancang penulis adalah sebagai berikut. a. Form Home/Halaman Awal Gambar 3.11 Input Prediksi 3.3 Implementasi 3.3.1 Flowchart Sistem Gambar 3.14 Form Home/Halaman Awal b. Form Prediksi/Perkiraan Harga Makanan Pokok 8
c. Form Grafik/Daftar Harga Makanan Pokok Gambar 3.15 Form Prediksi/Perkiraan Harga Makanan Pokok 1 Gambar 3.18 Form Grafik/Daftar Harga Makanan Pokok 1 Gambar 3.16 Form Prediksi/Perkiraan Harga Makanan Pokok 2 Gambar 3.19 Form Grafik/Daftar Harga Makanan Pokok 2 Gambar 3.20 Form Grafik/Daftar Harga Makanan Pokok 3 Gambar 3.17 Form Prediksi/Perkiraan Harga Makanan Pokok 3 d. Form Login Admin 9
Gambar 3.21 Form Login Admin Gambar 3.24 Form Profil e. Form Kelola Bahan Makanan Gambar 3.22 Form Kelola Bahan Makanan f. Form Input Harga Gambar 3.23 Form Input Harga 3.4 Uji Coba Program Pengujian aplikasi ini terdiri dari 10 kriteria yang dinilai oleh responden, antara lain: 1. Kesesuaian penggunaan warna dan desain latar belakang (background) 2. Kesesuaian warna tulisan dengan latar belakang (background) 3. Ketepatan ukuran tulisan 4. Ketepatan pemilihan jenis tulisan 5. Ketepatan pemilihan warna tulisan 6. Ketepatan fungsi tombol dengan tujuan menu yang diinginkan 7. Kepuasan dalam penyampaian harga bahan makanan 8. Ketepatan dalam memprediksi harga 9. Kemudahan pengoperasian aplikasi 10. Kenyamanan menggunakan aplikasi secara keseluruhan g. Form Profil 10
Berikut ini adalah tabel hasil dari kuisioner yang telah dinilai oleh 10 responden (table 3.1): Tabel 3.1 Kuisioner Keterangan: 1. Buruk 3. Baik 2. Cukup 4. Sangat Baik Dari tabel hasil kuisioner (tabel 3.1) yang dinilai oleh 10 responden, didapatkan hasil sebagai berikut: 1. Kriteria yang paling banyak rataratanya terletak pada kepuasan dalam penyampaian harga bahan makanan, yaitu dengan rata-rata 3,70. 2. Kriteria yang paling sedikit nilai rata-ratanya dan perlu mendapat perhatian adalah ketepatan ukuran tulisan dengan rata-rata 3,00. 3. Secara keseluruhan rata-rata pendapat para responden tentang Aplikasi Sistem Prediksi Harga Kebutuhan Makanan Pokok adalah baik dengan nilai ratarata 3,30. 3.5 Kesimpulan Berdasarkan uraian yang telah penulis uraikan tentang Memprediksi Harga Kebutuhan Bahan Makanan Pokok Berdasarkan Harga Sebelumnya Dengan Menggunakan Metode Least Square, maka penulis dapat menarik beberapa simpulan yang diperoleh dari pembahasan tersebut, antara lain sebagai berikut: 1. Telah dihasilkan rancangan aplikasi sistem prediksi harga kebutuhan makanan pokok berbasis web dengan menggunakan metode least square 2. Implementasi metode least square dalam aplikasi ini terbukti efektif dalam menentukan harga selanjutnya. 3.6 Saran Adapun saran penulis berdasarkan hasil rancangan dan simpulan yang telah penulis rangkum adalah sebagai berikut: 1. Diharapkan, aplikasi ini dapat dikembangkan lagi menjadi suatu 11
aplikasi yang lebih baik mengingat semakin berkembangnya teknologi sekarang. 2. Aplikasi ini masih dapat dikembangkan lagi, dengan menambahkan beberapa variabelvariabel lain. 4. DAFTAR PUSTAKA 1. Assauri, Sofyan. 1991. Teknik dan Metode Peramalan. Jakarta: LPFE UI. 2. Arief, M. R. 2011. Pemrograman Web Dinamis menggunakan PHP dan MySql. Yogyakarta: Andi 3. Cahyadi, Andi. 2005. Forecast Penjualan Tegel Abu Abu Pada Perusahaan Jaya Tegel SURAKARTA. Jurnal Ilmiah, (Online), tersedia: http://eprints.uns.ac.id/3256/1/653917 06200901011.pdf, diunduh 20 Januari 2015. 4. Fauzi Rambe Ihsan, M. 2014. Perancangan Aplikasi Peramalan Persediaan Obat obatan Menggunakan Metode Least Square (Studi Kasus : Apotik Mutiara Hati). Jurnal Ilmiah, (Online), tersedia: https://www.pelitainformatika.com/berkas/jurnal/9.%20i hsan%20fauzi.pdf, diunduh 20 Januari 2015. 5. Jogiyanto. 2005. Analisis dan Desain Sistem Informasi. Yogyakarta: Penerbit Andi. 6. Jogiyanto, 1989. Analisis dan Desain. Yogyakarta: Andi Offset. 7. Jogiyanto, 2001. Analisis dan Desain. Yogyakarta: Andi Offset. 8. Nasoetion. 2009. Peramalan Populasi Ayam Buras Di Jawa Tengah Dengan Menggunakan Model Trend Least Square. Jurnal Ilmiah, (Online), tersedia: http://eprints.undip.ac.id/3822/1/apnr 19-(30)maulana-undip-seting.pdf, diunduh 20 Januari 2015. 9. Peranginangin, Kasiman. 2006. Aplikasi WEB dengan PHP dan MySQL. Yogyakarta: Andi. 10. Santoso dan Ranti.2009. Kesehatan Dan Gizi. Jakarta : PT Asdi Mahasatya. 11. Subagyo, Pangestu. 1986. Forecasting Konsep Dan Aplikasi. Yogyakarta: BPPE UGM. 12. Widodo, Joko. 2008. Ramalan penjualan sepeda motor Honda Pada cv. Roda mitra lestari. Jurnal Ilmiah (Online), tersedia: http://www.gunadarma.ac.id/library/a 12
rticles/graduate/economy/2008/artikel _10204526.pdf, diunduh 25 Januari 2015. 13